最大值约束下的多最小支持度关联规则挖掘.pdfVIP

兰 兰 ／／ 最大值约束下的多最小支持度关联规则挖掘 ★ 周爱武 1,2 ，王宝铜 一 ， 李玉梅 一 ， 周闪闪 ， (1．安徽大学计算机科学与技术学院，合肥 230039；2．安徽大学计算智能与信号处理教育部重点实验室 ，合肥 230039) 摘 要：在以前的算法 中对于所有的项 目或者是项 目集合都是使用单一的最小支持度。但是在 实际的应用中．不同的项 目就需要不 同的最 小支持度。提 出一个 简单的算法，根据Apri— ori算法在最大值约束条件下来找到最大项集和关联规则，并且根据 Ming—ChengTseng 中提 出的confidence_life模式得 出有兴趣 的关联规则。 关键词 ：数据挖掘 ；多最小支持度 ；关联规则 ；最大值约束 0 引 言 输入：数据库 D．最小置信度 ．各个项 目的最小支 持度 阈值 关联规则 的概念和模型是首先由R．Agrawal等 输出：有兴趣 的关联规则。 人9[1在 1993年提 出来的．是对一个事物和其他事物的 (1)计算给定事物的计数 ，得 出所有项 目的支持 相互依存和相互关联的一种描述 1【]针对数据而言是 度值 ： 发现数据中项集之间潜在得关联或依赖联系。提出的 (2)检查每一个项 目的支持度 ，将支持度值大于 Apriori算法也是关联规则挖掘算法中最有影响．最著 等于项 目最小支持度的放人最大 1一项集 L1中； 名的算法 其核心就是用前一次扫描数据库的结果产 (3)类似于A ori算法通过三生成的候选集 C ， 生本次扫描的候选项 目集 但是由于数据库的规模通 计算这些候选集的支持度 ．支持度要大于等于候选集 常很庞大 ．所以每次迭代时产生候选项 目集来统计其 中项 目的给定最小支持度阈值的最大值。这个项 目集 支持度是非常耗时的 就可 以就可以加入到最大 一项集中去。如果 。为 根据 Apriori算法之后提出了很多的算法．但是 空 。则停止 ； 这些算法都是对所有 的项 目和项 目集都 只有一个最 (4)构建关联规则 ； 小支持度 但是在实际的应用 中．支持度 阈值需要项 (5)输出关联规则 ； 目的不同来改变 (6)利用 confidenee—lift模式 输出关联规则中感 兴趣的规则。 1 对Apriori算法的总结[7】 我们在原先算法的基础上在算法的最后一步加 Apriori算法的挖掘过程 ，可以总结如下3个阶段： 入 Ming—ChengTseng中提出的confidence—lift模 式 ． (1)确定用户给定的阈值 ，包括最小支持度阈值 ， 来求 出关联规则中我们感兴趣的规则。 最小置信度阈值： 下面给出具体的事例来演示这个算法。给定用于 (2)利用迭代找到最大项 目集。最大项 目集 的计 挖掘的 10个事务如表格 1所示 假定每一个项 目的 数必须要大于等于最小支持度阈值 ： 最小